DEPLOYMENT_GUIDE.md

# 🚀 Guía de Deployment en Hugging Face Spaces

## Opción 1: Deployment Automático (Recomendado)

### Paso 1: Crear cuenta en Hugging Face
1. Ve a https://huggingface.co/join
2. Crea una cuenta gratuita
3. Verifica tu email

### Paso 2: Crear un nuevo Space
1. Ve a https://huggingface.co/new-space
2. Configura tu Space:
   - **Owner**: Tu usuario
   - **Space name**: `gan-interactive-demo` (o el nombre que prefieras)
   - **License**: MIT
   - **Select the Space SDK**: Gradio
   - **Space hardware**: CPU basic (gratuito)
   - **Visibility**: Public

3. Haz clic en "Create Space"

### Paso 3: Subir archivos
Hay dos formas de subir los archivos:

#### Método A: Interfaz Web (Más fácil)
1. En tu Space recién creado, haz clic en "Files" → "Add file" → "Upload files"
2. Arrastra y suelta estos archivos:
   - `app.py`
   - `requirements.txt`
   - `README.md`
   - Carpeta `models/` completa (con generator.h5, discriminator.h5, etc.)

#### Método B: Git (Más profesional)
```bash
# Clonar el repositorio del Space
git clone https://huggingface.co/spaces/TU_USUARIO/gan-interactive-demo
cd gan-interactive-demo

# Copiar archivos
cp /home/ubuntu/gan_interactive_demo/app.py .
cp /home/ubuntu/gan_interactive_demo/requirements.txt .
cp /home/ubuntu/gan_interactive_demo/README.md .
cp -r /home/ubuntu/gan_interactive_demo/models .

# Commit y push
git add .
git commit -m "Initial commit: GAN Interactive Demo"
git push
```

### Paso 4: Esperar el build
- Hugging Face Spaces automáticamente detectará los archivos
- Instalará las dependencias de `requirements.txt`
- Lanzará la aplicación `app.py`
- El proceso toma ~2-3 minutos

### Paso 5: ¡Listo!
Tu aplicación estará disponible en:
`https://huggingface.co/spaces/TU_USUARIO/gan-interactive-demo`

---

## Opción 2: Deployment Local para Pruebas

### Requisitos
```bash
pip install -r requirements.txt
```

### Ejecutar localmente
```bash
python app.py
```

La aplicación estará disponible en: `http://localhost:7860`

---

## Opción 3: Usar Hugging Face CLI

### Instalar CLI
```bash
pip install huggingface_hub
```

### Login
```bash
huggingface-cli login
```

### Crear y subir Space
```bash
cd /home/ubuntu/gan_interactive_demo

# Crear Space
huggingface-cli repo create gan-interactive-demo --type space --space_sdk gradio

# Subir archivos
huggingface-cli upload gan-interactive-demo . --repo-type space
```

---

## Troubleshooting

### Error: "No module named 'tensorflow'"
- Asegúrate de que `requirements.txt` esté en el directorio raíz
- Verifica que incluya `tensorflow==2.15.0`

### Error: "Cannot load model"
- Verifica que la carpeta `models/` esté subida correctamente
- Asegúrate de que contenga:
  - `generator.h5`
  - `discriminator.h5`
  - `latent_vectors.npy`
  - `generated_images.npy`

### La aplicación es muy lenta
- Considera usar un Space con GPU (requiere suscripción)
- O reduce el número de vectores latentes pre-calculados en el código

### Error de memoria
- Reduce `BATCH_SIZE` en el código de entrenamiento
- Usa menos vectores latentes para visualización (de 1000 a 500)

---

## Configuración Avanzada

### Usar GPU en Hugging Face Spaces
1. Ve a Settings de tu Space
2. Cambia "Space hardware" a "T4 small" o superior
3. Nota: Requiere suscripción PRO ($9/mes)

### Personalizar la interfaz
Edita `app.py` y modifica:
- `custom_css`: Para cambiar estilos
- `theme=gr.themes.Soft()`: Prueba otros temas como `Base()`, `Glass()`, `Monochrome()`
- Añade más tabs con `with gr.Tab("Nombre"):`

### Optimizar rendimiento
```python
# En app.py, añade cache
@functools.lru_cache(maxsize=100)
def generate_from_latent_index(index):
    # ... código ...
```

---

## Recursos Adicionales

- **Documentación de Gradio**: https://gradio.app/docs/
- **Hugging Face Spaces Docs**: https://huggingface.co/docs/hub/spaces
- **Ejemplos de Spaces**: https://huggingface.co/spaces

---

## Compartir con tus Estudiantes

Una vez desplegado, simplemente comparte el URL:
```
https://huggingface.co/spaces/TU_USUARIO/gan-interactive-demo
```

Tus estudiantes podrán:
- ✅ Acceder sin necesidad de cuenta
- ✅ Usar la aplicación sin instalar nada
- ✅ Experimentar con la GAN en tiempo real
- ✅ Ver el código fuente (si el Space es público)

---

## Para la Clase

### Antes de la clase:
1. Despliega la aplicación
2. Prueba que funcione correctamente
3. Ten el URL listo para compartir

### Durante la clase:
1. Proyecta la aplicación
2. Demuestra cada tab interactivamente
3. Deja que los estudiantes experimenten desde sus dispositivos
4. Usa la visualización del espacio latente como "momento wow"

### Después de la clase:
- Los estudiantes pueden seguir experimentando
- Pueden clonar el Space para su proyecto final
- Pueden modificar el código para sus propias GANs

---

¡Buena suerte con tu clase! 🎓✨